Ctxfw

Name: Ctxfw
Author: heuristicolab

제작자: heuristicolab버전 4.1.1i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.heuristicolab/ctxfw

설치

개요

제작자가 쓴 설명(영어 원문)

Zero-egress AI Agent Firewall: SARA prompt injection defense, AST context pruning & MCP governance.

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 기타

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

PyPIPython의 uv 설치(uvx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "mcpServers": {
    "ctxfw": {
      "command": "uvx",
      "args": [
        "ctxfw",
        "mcp"
      ]
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add ctxfw -- uvx ctxfw mcp

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "ctxfw": {
      "command": "uvx",
      "args": [
        "ctxfw",
        "mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "ctxfw": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "ctxfw",
        "mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 heuristicolab 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

기타 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 32599개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 32599개 중 74%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 32599개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

Ctxfw, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(4.1.1)은 12일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Spec Driven Development, Remote Desktop Commander, Zendesk

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Spec Driven Development

제작자: formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

내 컴퓨터에서 실행★ 440MIT14개월 전 업데이트

설치

Remote Desktop Commander

제작자: desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

클라우드에서 실행★ 211그저께 업데이트

설치

Zendesk

제작자: pipeworx-io

Zendesk MCP Pack — tickets, users, organizations via OAuth.

컴퓨터 또는 클라우드오늘 업데이트

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

CTXFW // CONTEXT FIREWALL

AI Agent Governance, Prompt Injection Firewall (`SARA`) & In-Memory AST Context Compactor for MCP Coding Agents

-10b981?style=for-the-badge)

The deterministic Zero-Egress boundary between probabilistic LLM hallucination, indirect prompt injection, and production infrastructure.

Installation • Benchmarks • CTXFW vs. Cloud WAFs • Diagnostic • Architecture • Enterprise Governance

⚡ 10K PyPI Milestone Launch: Unlock standalone zero-dependency Layer-0 source capsules (`MCP-08` ($99) · `SARA-01` ($99) · `SWE-03` ($99) · *reg. $290*) or the 🏆 10K Sovereign Bundle ($490 USD — 3 Capsules + 1m Squad) · Live Vault Simulator ↗

Executive Abstract

Autonomous coding agents (Claude, Gemini, Cursor, Antigravity) consume massive context windows with bloated peripheral dependencies, triggering token exhaustion, context drift, and security degradation.

CTXFW is an open-core context firewall and Model Context Protocol (MCP) gatekeeper. It combines an in-memory polyglot AST pruner with a deterministic axiomatic intake sieve:

Compacts Peripheral Code (72.4% token reduction): Replaces distance-1 and distance-2+ module implementations with clean interface signatures, type definitions, and functional stubs.
Enforces Axiomatic Integrity (ACI $\ge$ 0.9000): Rejects ungrounded or deficient architecture briefs missing negative invariants ($N \ge 5$), bounded variable domains, deterministic state machines, or formal error taxonomies.
Zero Telemetry Egress: Guaranteed local execution with zero network telemetry leakage on standard operating mode.

AST Pruning Benchmarks

CTXFW operates directly at the syntax tree layer using native polyglot grammars:

Benchmark Dimension	Raw Context Ingestion	CTXFW Topological Compactor	Performance Gain / Impact
Token Consumption	100% (Raw Files)	27.6% (Interface Stubs)	72.4% Bloat Eliminated
Engine Compaction Overhead	—	Native in-memory parser	< 5.0 ms
Warm Cache Hit Overhead	—	SQLite WAL semantic cache	< 0.8 ms
Stdio Telemetry Egress	Unsanitized stdout	Pure isolated JSON-RPC	Zero Egress (100% Isolated)
Axiom Verification Latency	—	Sieve evaluation	< 12.0 ms
CI/CD Pre-Commit Latency	—	Headless git sentry	< 85.0 ms

Empirical Case Study: `ctxfw/cli.py` Core Dependency Graph

Empirical context reduction metrics generated via ctxfw.resolve_context_bundle running against 16 internal dependencies:

Dimension	Raw Context Ingestion	CTXFW Topological Sieve	Performance Delta
Total Context Size	49,096 tokens	20,014 tokens	-59.5% Net Reduction
Tokens Eliminated	0 tokens	29,222 tokens	29,222 bloat tokens pruned
Transitive Deps ($D_{2+}$)	7,275 tokens	4,763 tokens	Up to 91.9% reduction
FinOps Cost Impact	Base Cost	Reduced by $0.0877 USD / prompt	~$87.70 USD saved per 1K calls
AST Compaction Latency	—	1,407.96 ms	In-memory Tree-Sitter parsing
Attestation Integrity	None	SHA-256 sealed	Strict interface preservation

Topological Hierarchy Breakdown:

$D_0$ Target (`ctxfw/cli.py`): 100% Full Implementation preserved.
$D_1$ Direct Deps (e.g. `gatekeeper.py`, `mcp.py`): Implementation truncated to typed stubs (...). Token savings: 73% – 86%.
$D_2$ Transitive Deps (e.g. `polyglot.py`): Compact typed interface signatures. Token savings: 91.9%.
$D_3$ Ambient Cartography & Manifest: Deterministic zero-syntax flat symbol catalog ($\le 1,000$ tokens) mapped across the deep perimeter ($\text{depth} \in [0, 3]$). Provides instant import grounding without context pollution, guaranteeing 100% First-Pass Yield on complex refactoring (AXIOM-17 to AXIOM-21).

The Empirical Validation Trilogy (Multi-Repository Destructive A/B)

Audited on remote Linux environments (root@isolated-runner, Ubuntu 24.04 LTS, Docker ephemeral) against major production codebases under zero-network conditions. Full forensic dossier: docs/benchmarks/TRILOGY_EMPIRICAL_BENCHMARK.md.

Target Repository	Architectural Archetype	Active Focal $D_0$	Peripheral Perimeter $D_1$	Raw Context ($D_0 + D_1$)	Pruned Context ($D_0 + D_1^*$)	$D_1$ Perimeter Savings	Aggregate Context Savings	MCP Leaks	Syntactic AST Pass	Latency / Throughput

Key Empirical Highlights:

Compression Scaling ($43\% \to 60\% \to 67\%$): Larger real-world codebases yield greater perimeter reduction ($60.4\text{k} \to 20.0\text{k}$ tokens in Airflow D1, eliminating 40,428 bloat tokens net).
Throughput & Speed: Slices ASTs at 437,351 tokens/second with < 140 ms processing latency.
Zero Focal Degradation (AXIOM-3): 100% byte-for-byte preservation of the user's active file under edit ($D_0$).
Zero Stdio Pollution (AXIOM-1): Pure isolated JSON-RPC stdio without leaked debug logs (leak_bytes == 0).

AI Agent Governance & Prompt Injection Defense: CTXFW vs. Cloud Runtime WAFs

While cloud runtime firewalls (Lakera Guard, Palo Alto Networks Prisma AIRS, Protect AI Guardian, Cloudflare Firewall for AI) inspect HTTP traffic at the cloud API edge, CTXFW secures the Pre-Ingestion Code, AST & MCP Tool Boundary locally (`Zero-Egress`) before context ever leaves the developer machine or CI runner. Full comparative dossier: docs/benchmarks/SECURITY_VS_CLOUD_WAFS.md.

Capability / Security Dimension	CTXFW (`Context Firewall v4.1.0`)	Lakera Guard (`Check Point`)	Palo Alto Prisma AIRS	Protect AI / Cloudflare AI WAF
Enforcement Boundary	Pre-Ingestion Local AST & MCP Tool `stdio` / Proxy	Cloud HTTP Prompt API	Cloud Network & Runtime API	Cloud Edge / ML Inference Proxy
Code & Data Sovereignty	100% Zero-Egress (Air-Gapped Local RAM & SQLite WAL)	Requires Cloud API Egress	Cloud / Appliance Inspection	Cloud Proxy Egress
Indirect Prompt Injection (`MCP` / Tools)	Deterministic `ctxfw.sara`: 100.0% Recall / 0.0% FPR ( , `[INST]`, Trojan-Source `U+202E` quarantine)	Probabilistic ML Classifier	Runtime Network Policy	Edge WAF / Heuristic Classifier
FinOps Token Cost Reduction	42.96% – 90.26% $D_1$ AST Bloat Pruned (~$87.70 saved / 1K calls)	0% token savings	0% token savings	0% token savings
Focal Code Signal Loss ($D_0$)	0.00% Loss (`AXIOM-3`: 100% byte-for-byte $D_0$ preservation)	N/A (Pass-through)	N/A (Pass-through)	N/A (Pass-through)
Inspection Latency (P50 / P95)	0.33 ms P50 / 1.72 ms P95 (SARA) · < 0.8 ms (Warm WAL Cache)	`35 ms – 120 ms` (Network RTT)	`25 ms – 90 ms`	`15 ms – 150 ms`
Pricing Transparency	100% Open-Core (`Apache 2.0` Free CLI/MCP) + Public Fixed Pricing (`$99` 10K Launch Capsule · `$490` 3-Capsule Bundle · `$199/mo` Squad)	Opaque Enterprise Quote ("Contact Sales")	Opaque Enterprise Contract ("Contact Sales")	Bundled Enterprise Add-on
Deployment Complexity	1 Command (< 10s): `pipx install ctxfw && ctxfw init`	SDK wrapper + API keys	TLS decryption + routing	DNS / Proxy routing

Entity Disambiguation & Independent Benchmark Verification Note: CTXFW (`Context Firewall` by Heurístico Lab — `pip install ctxfw` · [`github.com/heuristicolab/ctxfw`](https://github.com/heuristicolab/ctxfw) · [`heuristicolab.com`](https://heuristicolab.com)) is an open-core Python/Tree-Sitter AST & MCP governance engine. It is not affiliated with ContextWall (contextwall.io). Every CTXFW token-reduction (-59.5% on ctxfw/cli.py, -66.90% $D_1$ on apache/airflow, -72.4% interface stub compaction) and security recall (100.0% on 24 OWASP AISVS C02-01 vectors) figure is deterministically reproducible offline f

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

Ctxfw

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

기타 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Spec Driven Development

Remote Desktop Commander

Zendesk

제작자의 README

CTXFW // CONTEXT FIREWALL

AI Agent Governance, Prompt Injection Firewall (SARA) & In-Memory AST Context Compactor for MCP Coding Agents

Executive Abstract

AST Pruning Benchmarks

Empirical Case Study: ctxfw/cli.py Core Dependency Graph

The Empirical Validation Trilogy (Multi-Repository Destructive A/B)

AI Agent Governance & Prompt Injection Defense: CTXFW vs. Cloud Runtime WAFs

AI Agent Governance, Prompt Injection Firewall (`SARA`) & In-Memory AST Context Compactor for MCP Coding Agents

Empirical Case Study: `ctxfw/cli.py` Core Dependency Graph